aedi / README.md
vsmoreira's picture
Inclusão de metadados para rodar o dashboard.
b113470

A newer version of the Streamlit SDK is available: 1.52.2

Upgrade
metadata
title: Dashboard Simulação de Monte Carlo
emoji: 📊
colorFrom: gray
colorTo: gray
sdk: streamlit
app_file: dashboard.py

Simulação de Monte Carlo para Viabilidade de Curso

Objetivo do Projeto

Este projeto tem como objetivo aplicar a técnica de Simulação de Monte Carlo para analisar a viabilidade de confirmação de turmas em um curso, considerando incertezas relacionadas à confirmação e comparecimento dos alunos sorteados. O modelo computacional permite estimar, de forma quantitativa, a probabilidade de que um curso atinja o número mínimo de participantes necessários para ser realizado, dado um conjunto de parâmetros realistas.

Cenário Modelado

  • Total de vagas: 50
  • Ocupação mínima para confirmação: 80% (40 alunos)
  • Probabilidade de confirmação da vaga: 85%
  • Probabilidade de comparecimento dos confirmados: 90%
  • Número de simulações: 10.000 por cenário

O projeto avalia, para diferentes números de convocados, a probabilidade de o curso ser confirmado, considerando as etapas de confirmação e comparecimento.

Princípios de Probabilidade Utilizados

A simulação é baseada na distribuição binomial, que modela o número de sucessos em uma sequência de ensaios independentes, cada um com a mesma probabilidade de sucesso.

  • Primeira etapa: Para cada simulação, calcula-se quantos dos convocados confirmam a vaga (binomial: n = convocados, p = confirmação).
  • Segunda etapa: Dos confirmados, calcula-se quantos comparecem (binomial: n = confirmados, p = comparecimento).
  • Sucesso: O curso é considerado confirmado se o número de presentes for maior ou igual ao mínimo exigido.

A Simulação de Monte Carlo permite incorporar a variabilidade dos processos reais e obter estimativas robustas das probabilidades envolvidas.

Como Executar

  1. Instale as dependências:
    pip install matplotlib pandas numpy seaborn
    
  2. Execute o notebook atividade1.ipynb em um ambiente Jupyter.

Resultados

O projeto gera tabelas e gráficos que mostram:

  • A probabilidade de confirmação do curso para diferentes números de convocados.
  • O número mínimo de convocados necessário para atingir 80% e 99% de probabilidade de confirmação.
  • A distribuição dos resultados simulados.

Referências


Universidade de Brasília - PPCA
Vinícius dos